論文の概要: On the Importance of Trust in Next-Generation Networked CPS Systems: An AI Perspective

• arxiv url: http://arxiv.org/abs/2104.07853v1
• Date: Fri, 16 Apr 2021 02:12:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:30:22.458331
• Title: On the Importance of Trust in Next-Generation Networked CPS Systems: An AI Perspective
• Title（参考訳）: 次世代ネットワークCPSシステムにおける信頼の重要性:AIの視点から
• Authors: Anousheh Gholami, Nariman Torkzaban, John S. Baras
• Abstract要約: 本稿では,ネットワークエージェントの状態を評価し,意思決定プロセスを改善する手段として信頼を提案する。 信頼関係は、プロトコル内のエンティティの相互作用によって生成された証拠に基づいている。 信頼の証拠を活用することで,フェデレートラーニングのパフォーマンスと安全性が向上することを示す。
• 参考スコア（独自算出の注目度）: 2.1055643409860734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing scale, complexity, and heterogeneity of the next generation networked systems, seamless control, management, and security of such systems becomes increasingly challenging. Many diverse applications have driven interest in networked systems, including large-scale distributed learning, multi-agent optimization, 5G service provisioning, and network slicing, etc. In this paper, we propose trust as a measure to evaluate the status of network agents and improve the decision-making process. We interpret trust as a relation among entities that participate in various protocols. Trust relations are based on evidence created by the interactions of entities within a protocol and may be a composite of multiple metrics such as availability, reliability, resilience, etc. depending on application context. We first elaborate on the importance of trust as a metric and then present a mathematical framework for trust computation and aggregation within a network. Then we show in practice, how trust can be integrated into network decision-making processes by presenting two examples. In the first example, we show how utilizing the trust evidence can improve the performance and the security of Federated Learning. Second, we show how a 5G network resource provisioning framework can be improved when augmented with a trust-aware decision-making scheme. We verify the validity of our trust-based approach through simulations. Finally, we explain the challenges associated with aggregating the trust evidence and briefly explain our ideas to tackle them.
• Abstract（参考訳）: 次世代ネットワークシステムの規模、複雑さ、不均一性の増加に伴い、このようなシステムのシームレスな制御、管理、セキュリティはますます困難になっている。 大規模分散学習、マルチエージェント最適化、5gサービスプロビジョニング、ネットワークスライシングなど、多くの多様なアプリケーションがネットワークシステムに関心を示している。 本稿では,ネットワークエージェントの状態を評価し,意思決定プロセスを改善するための尺度として信頼を提案する。 さまざまなプロトコルに参加するエンティティ間の関係として信頼を解釈する。 信頼関係は、プロトコル内のエンティティの相互作用によって作成された証拠に基づいており、可用性、信頼性、レジリエンスなど、複数の指標を組み合わせたものかもしれない。 アプリケーションコンテキストによる。 まず、信頼を計量として重要視し、ネットワーク内の信頼計算と集約のための数学的枠組みを提示する。 次に,実例を2つ提示することにより,信頼をネットワーク意思決定プロセスに統合する方法を示す。 最初の例では,信頼の証拠を活用すれば,フェデレートラーニングのパフォーマンスと安全性が向上することを示す。 第2に,信頼認識型意思決定方式を付加することで,5gネットワークリソースプロビジョニングフレームワークがいかに改善されるかを示す。 シミュレーションにより信頼に基づくアプローチの有効性を検証する。 最後に,信頼証拠の集約に伴う課題を説明し,それに取り組むためのアイデアを簡潔に説明する。

関連論文リスト

• Fostering Trust and Quantifying Value of AI and ML [0.0]
  AIとML推論の信頼について多くの議論がなされているが、それが何を意味するのかを定義するためにはほとんど行われていない。 より信頼できる機械学習推論を生み出すことは、製品の価値を高めるための道です。
  論文  参考訳（メタデータ） (2024-07-08T13:25:28Z)
• Bayesian Methods for Trust in Collaborative Multi-Agent Autonomy [11.246557832016238]
  安全クリティカルで競争の激しい環境では、敵は多数のエージェントに侵入し、妥協することがある。 我々は、この妥協されたエージェント脅威モデルの下で、アートマルチターゲット追跡アルゴリズムの状態を解析する。 階層的ベイズ更新を用いた信頼度推定フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-25T17:17:35Z)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• Distributed Trust Through the Lens of Software Architecture [13.732161898452377]
  本稿では,複数の分野における分散信頼の概念について考察する。 信頼の再分配/シフトと、分散信頼技術によって実現されるシステムやアプリケーションにおける関連するトレードオフを見るには、システム/ソフトウェアアーキテクチャの観点から考える必要があります。
  論文  参考訳（メタデータ） (2023-05-25T06:53:18Z)
• KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph Neural Networks [63.531790269009704]
  ソーシャル・インターネット・オブ・モノ(Social Internet of Things, SIoT)は、スマート・オブジェクト(物)にソーシャルネットワークの概念を注入する、有望で新興のパラダイムである。 リスクと不確実性のため、解決すべき重要かつ緊急の問題は、SIoT内で信頼性の高い関係、すなわち信頼評価を確立することである。 本稿では,SIoTにおける信頼度向上のための知識強化グラフニューラルネットワーク(KGTrust)を提案する。
  論文  参考訳（メタデータ） (2023-02-22T14:24:45Z)
• TrustGNN: Graph Neural Network based Trust Evaluation via Learnable Propagative and Composable Nature [63.78619502896071]
  信頼評価は、サイバーセキュリティ、ソーシャルコミュニケーション、レコメンダシステムなど、多くのアプリケーションにとって重要である。 本稿では,信頼グラフの伝播性および構成性を考慮した新しい信頼評価手法TrustGNNを提案する。 具体的には、TrustGNNは、異なる伝播過程のための特定の伝播パターンを設計し、新しい信頼を生み出すための異なる伝播過程の貢献を区別する。
  論文  参考訳（メタデータ） (2022-05-25T13:57:03Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• Where Does Trust Break Down? A Quantitative Trust Analysis of Deep Neural Networks via Trust Matrix and Conditional Trust Densities [94.65749466106664]
  本稿では,新しい信頼量化戦略である信頼行列の概念を紹介する。 信頼行列は、所定のアクター・オークル回答シナリオに対して期待される質問・回答信頼を定義する。 我々は、条件付き信頼密度の概念により、信頼密度の概念をさらに拡張する。
  論文  参考訳（メタデータ） (2020-09-30T14:33:43Z)
• How Much Can We Really Trust You? Towards Simple, Interpretable Trust Quantification Metrics for Deep Neural Networks [94.65749466106664]
  我々は思考実験を行い、信頼と信頼に関する2つの重要な疑問を探求する。 我々は、一連の質問に答える際の行動に基づいて、ディープニューラルネットワークの全体的な信頼性を評価するための一連のメトリクスを紹介します。 提案されたメトリクスは必ずしも完璧ではありませんが、よりよいメトリクスに向かって会話を推し進めることが望まれています。
  論文  参考訳（メタデータ） (2020-09-12T17:37:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。